Automating Visual Recognition of Leprosy in Wild Chimpanzees

森の奥深くに隠された、静止して動かない監視カメラが、自然界で最も警戒心の強い警備員である世界を想像してみてください。これらは泥棒を捕まえるためのものではなく、地球上で最も捉えどころのない住人、すなわち野生動物を見守るためのものです。何十年もの間、科学者たちはこれらの「カメラトラップ」を利用して動物の数を数え、その生活を研究してきましたが、生成される映像の膨大な量に圧倒されています。それは、山のような秋の落ち葉の中から、特定の種類の葉っぱをたった一枚見つけ出そうとするようなものです。それには永遠に時間がかかりますし、最も重要なものを見逃してしまうかもしれません。ここで、人工知能（AI）の魔法が登場します。AIを、数秒で数千枚の写真をスキャンし、人間の目では見逃してしまうかもしれない小さな手がかりを探し出す、超高速で疲れを知らない探偵だと考えてみてください。しかし、ここが難しいところです。コンピュータに、チーターを認識させるよりも、病気の動物を認識させる方がはるかに難しいのです。動物は動き回り、木の後ろに隠れ、光の状態によって見た目も変わります。科学者たちが投げかけている大きな問いは、「動画のあらゆる瞬間を専門家チームが監視することなく、森の中のサルが写ったぼやけた写真を見ただけで、病気を察知できるほど賢いデジタル探偵を構築できるだろうか？」ということです。

これは、まさに研究チームが取り組んでいる課題です。彼らは、ハンセン病と呼ばれる恐ろしい病気から野生のチンパンジーを救おうとしています。ハンセン病は人間の問題だと思うかもしれませんが、これら類人猿にとっても静かな殺し屋なのです。チンパンジーが病気になると、単に体調が少し悪いというレベルではありません。非常に目に見える身体的な変化が現れます。皮膚の色が失われたり、耳が厚く腫れたり、毛を失ったり、指を失ったりすることさえあります。これらの兆候は、風に揺れる真っ赤な旗のようなものですが、チンパンジーは野生に生息し、人間を好まないため、私たちはただ近づいて診察することはできません。私たちはカメラトラップに頼るしかないのです。問題は、カメラが膨大な量のビデオを記録するため、人間がそのすべてを視聴するのは不可能だということです。そこで、研究者たちは彼らの代わりに「見守る」ための、新しい種類のAIパイプラインを構築しました。

まず、彼らは「PanLep300」と呼ばれる膨大なトレーニングデータのライブラリを作成しました。これは、5年間にわたる数百の異なるビデオから撮影された、12万5千枚以上の切り出し画像を含む巨大なフォトアルバムだと想像してください。彼らはそれぞれの写真を注意深くラベル付けし、どのチンパンジーが健康で、どのチンパンジーが進行したハンセン病の恐ろしい兆候を示しているかをマークしました。決定的なのは、彼らが単にすべての写真を一つの塊として放り込んだのではないということです。彼らは、現実の世界を模倣するように整理しました。AIの「学習」中に見た特定のチンパンジーやカメラの設置場所が、その後の「最終試験」に登場しないようにしたのです。これにより、AIは単に「チンパンジーのボブはいつもカメラ5の近くに座っている」ということを記憶するのではなく、病気そのものを見分ける方法を学んでいることが保証されます。

AIの準備が整ったら、研究者たちはAIをより賢くするための3つの異なる方法をテストしました。第一の方法は、一枚のスナップショットを見るようなものでした。AIはチンパンジーの一枚の写真を観察し、それが病気かどうかを判断します。第二の方法は、チンパンジーが歩いている16フレームの短い動画クリップを見ることで、動きを見ることが助けになることを期待するものです。第三の方法は最も複雑なもので、AIが動画のシーケンス全体を一度に理解しようとし、時間の経過とともにチンパンジーがどのように動き、どのように見えるかを学習するものです。

ここで驚きの展開があります。最もシンプルな方法が勝利したのです。研究者たちは、AIが映画評論家や動きの専門家である必要はないことを見出しました。実際、最善のアプローチは、チンパンジーの個々の写真（「クロップ」）を取り出し、AIにそれぞれが病気に見えるかどうかを推測させ、単に「票」を数えることでした。もし一連の画像の多くが「病気」と言えば、そのチンパンジーは病気であると判断しました。結局のところ、ハンセン病は静的な疾患なのです。その兆候はダンスの動きのように素早く変化することはありません。それは、シャツについた汚れのように、ただそこに存在するのです。AIに複雑なチンパンジーの動き（「ビデオ」の手法）を分析させることは、実際には少し悪化させるか、あるいは単に写真を見るよりも良くなることはありませんでした。複雑なモデルは、数字を足し算するだけでよいのに、数字についての小説を書こうとしている学生のようなものでした。

この研究はまた、賢いAIであっても陥ってしまう「落とし穴」についても発見しました。一つの大きな問題は、動画クリップの最初と最後で起こります。チンパンジーがフレームに入ってくる時、それはしばしば半分隠れていたり、ぼやけていたりします。フレームから出て行く時も同様です。研究者たちは、もしAIが動画全体のスコアを平均化しようとすると、これらのぼやけた、あるいは半分隠れた瞬間がスコアを押し下げ、明らかに病気であるチンパンジーを健康に見せてしまうことを発見しました。それは、テストで満点を取ったのに、授業に遅れて最初の問題に答えられなかったために、結果が台無しになるようなものです。これを解決するために、チームは、クリップの始まりと終わりをカットする（「トリミング」戦略）、あるいは最も鮮明で確信度の高い写真だけをカウントする（「上位25%」戦略）という方法を示し、それによってAIの精度が大幅に向上することを証明しました。

もう一つの興味深い発見は、背景についてでした。研究者たちは、AIがチンパンジーに集中できるように、写真から森林の背景を取り除こうと試みました。すると、驚いたことに、これはAIの性能を低下させました。AIは、チンパンジーが病気かどうかを判断するために、木の種類や照明といった森林のヒントを利用していたようです。背景を取り除いたことで、彼らは意図せずして、それらの役立つ手がかりまで取り除いてしまったのです。それは、人の顔だけを見てその人の気分を推測しようとしているのに、実はその人がなぜ悲しんでいるのかを理解するために、後ろの窓に映る雨の様子を見る必要があった、というようなものです。

結局のところ、研究者たちは、シンプルでスマートなカメラとコンピュータさえあれば、野生のチンパンジーをスクリーニングできるシステムを構築できることを示しました。彼らは、この仕事をするために超複雑な動きを感知するロボットは必要ではなく、単一の写真に対する細部への優れた眼と、結果を数えるスマートな方法があれば十分であることを証明しました。このシステムはまだ完璧ではなく、より大きなグループでのさらなるテストが必要ですが、強力な新しいツールを提供しています。それは、将来、動物たちを邪魔することなく、また何時間ものエンドレスなビデオを何年も見続けることなく、病気を早期に発見し、命を救うために、野生動物の森全体を見守ることができる可能性を示唆しています。重要な教訓は、問題を解決するために最も効果的なのは、時には最もシンプルな方法であるということです。